Welcome to pandas!

7 数据汇总技术

数据聚合处理是任何数据分析工具中都有的功能，在Excel中有提供合并计算、分类汇总、数据透视表的功能，以及使用Excel工作表的统计函数来完成，本节主要学习Pandas中的分组与数据透视两个功能。

7.1 分组原理及处理

分组是将数据按某种特定的方式进行拆分，再对拆分出来的每组数据处理，可以做聚合、转换、过江等用户希望的操作，可以对Series和DateFrame这两种数据分组，操作方式也类基本类似，这里就以讲解DateFrame为例，对应的是df.groupby()函数，结构如下：

df.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,observe=False,dropna=True)

by:分组依据，数据形式可以是映射、函数、标签或者标签列表

axis:分组方向，0或index表示在行方向分组，1 或columns表示在列方向分组，默认为0

level:如果DateFrame表是分层索引，则按一个或多个特定层级分组

as_index:对于聚合输出，返回以组标签，作为索引的对象，仅与DateFrame输入相关。因为_index=False 实际上是SQL风格的分组输出

sort:对组键排序，关闭此选项可获得更好的性能。注意，这并不影响各组内观察的顺序，Groupby保留每个组中行的顺序

group_keys:调用apply时，将组键添加到索引以标识片段

observed:布尔型，只适用于任何分类分组，如果为True,则只会显示分组的观测值

dropna:如果为True，并且组健包含NA值，则将删除NA值以及行/列，如果为False，则NA值也将视为组中的键

上面的分组可以在行或列的方向完成，但在行方向的分组比较常见，所以后续所做演示基本是关于行方向的分组。

import pandas as pd

df=pd.read_excel(r" D:\Pyobject2023\object\测试\素材\1.7.01 分组原理及处理.xlsx" )

print (df)

for data in df.groupby(by= "部门" ):

print (data)

print ("------------------------------------------")

返回：

------------------------------------------

------------------------------------------

------------------------------------------

import pandas as pd

df=pd.read_excel(r"D:\Pyobject2023\object\测试\素材\1.7.01 分组原理及处理.xlsx")

for data in df.groupby(by="公司"):

print (data)

print ("------------------------------------------")

返回：

------------------------------------------

------------------------------------------